Corso di formazione Avanzato Hadoop per gli sviluppatori

Pubblico Obiettivo:

Il corso è destinato ai professionisti IT in cerca di una soluzione per archiviare e processare grandi insiemi di dati in un ambiente di sistema distribuito.

Goal:

Conoscenze approfondite nell'amministrazione del cluster Hadoop.

L'analisi dei big data prevede il processo di esame di grandi quantità di set di dati diversi al fine di scoprire correlazioni, schemi nascosti e altre informazioni utili.

L'industria sanitaria ha enormi quantità di dati medici e clinici eterogenei complessi. L'applicazione dell'analisi dei big data sui dati sanitari presenta un enorme potenziale nel ricavare approfondimenti per migliorare l'erogazione dell'assistenza sanitaria. Tuttavia, l'enormità di questi set di dati pone grandi sfide nelle analisi e applicazioni pratiche in un ambiente clinico.

In questo corso di formazione dal vivo con istruttore (a distanza), i partecipanti impareranno come eseguire analisi dei big data in salute mentre eseguono una serie di esercitazioni pratiche in laboratorio dal vivo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura strumenti di analisi dei big data come Hadoop MapReduce e Spark
• Comprendi le caratteristiche dei dati medici
• Applicare tecniche di big data per gestire i dati medici
• Studiare sistemi e algoritmi per big data nel contesto di applicazioni sanitarie

Pubblico

• Sviluppatori
• Scienziati dei dati

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche.

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Il corso è dedicato agli specialisti IT in cerca di una soluzione per archiviare e processare grandi insiemi di dati in un ambiente di sistema distribuito

Obiettivo del corso:

Acquisire conoscenze riguardanti l'administrazione del cluster Hadoop

Apache Hadoop è il framework più popolare per il processing Big Data su cluster di server. In questo corso di tre (opzionalmente quattro) giorni, gli iscritti impareranno i benefici aziendali e i casi d'uso per Hadoop ed il suo ecosistema, come pianificare la distribuzione e lo scaling del cluster, come installare, mantenere, monitorare, risolvere problemi e ottimizzare Hadoop. Praticheranno anche il caricamento di dati bulk sul cluster, si familiarizzeranno con varie distribuzioni di Hadoop, ed impareranno a installare e gestire gli strumenti dell'ecosistema Hadoop. Il corso si conclude con una discussione sulla sicurezza del cluster tramite Kerberos.

"...I materiali sono stati preparati molto bene e coperti in modo approfondito. La Lab è stata molto utile ed organizzata bene"— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Target

Amministratori di Hadoop

Formato

Lezioni e laboratori pratici, equilibrio approssimativo 60% lezioni, 40% laboratorio.

Apache Hadoop è il framework più popolare per il processing Big Data su cluster di server. Questo corso introducirà uno sviluppatore ai vari componenti (HDFS, MapReduce, Pig, Hive e HBase) dell'ecosistema Hadoop.

Pubblico Obiettivo:

Questo corso è progettato per demistificare la tecnologia big data/Hadoop e mostrare che non è difficile da comprendere.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli amministratori di sistema che desiderano imparare a configurare, distribuire e gestire Hadoop cluster all'interno della propria organizzazione.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Apache Hadoop.
• Comprendere i quattro componenti principali dell'ecosistema Hadoop: HDFS, MapReduce, YARN e Hadoop Common.
• Usare Hadoop Distributed File System (HDFS) per ridimensionare un cluster fino a centinaia o migliaia di nodi.  
• Configurare HDFS in modo che funzioni come motore di archiviazione per le distribuzioni Spark locali.
• Configura Spark per accedere a soluzioni di archiviazione alternative come Amazon S3 e sistemi di database NoSQL come Redis, Elasticsearch, Couchbase, Aerospike, ecc.
• Esegui attività amministrative come il provisioning, la gestione, il monitoraggio e la protezione di un cluster Apache Hadoop.

Questo corso introduce HBase, un archivio No SQL su Hadoop . Il corso è destinato agli sviluppatori che useranno HBase per sviluppare applicazioni e agli amministratori che gestiranno i cluster HBase.

Seguiremo uno sviluppatore attraverso l'architettura HBase e la modellazione dei dati e lo sviluppo di applicazioni su HBase. Discuterà anche dell'uso di MapReduce con HBase e di alcuni argomenti di amministrazione relativi all'ottimizzazione delle prestazioni. Il corso è molto pratico con molti esercizi di laboratorio.

Durata : 3 giorni

Pubblico : sviluppatori e amministratori

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) introduce Hortonworks Data Platform (HDP) e guida i partecipanti attraverso l'implementazione della soluzione Spark + Hadoop.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Utilizzare Hortonworks per eseguire in modo affidabile Hadoop su larga scala.
• Unifica le funzionalità di sicurezza, governance e operazioni di Hadoop con i flussi di lavoro analitici agili di Spark.
• Utilizza Hortonworks per analizzare, convalidare, certificare e supportare ciascuno dei componenti di un progetto Spark.
• Elabora diversi tipi di dati, inclusi quelli strutturati, non strutturati, in movimento e inattivi.

Questo corso illustra come utilizzare il linguaggio Hive SQL (AKA: Hive HQL, SQL on Hive , Hive QL) per le persone che estraggono dati da Hive

Cloudera Impala è un motore di query open source MPP (Massively Parallel Processing) SQL per cluster Apache Hadoop.

Impala consente agli utenti di inviare query a bassa latenza SQL ai dati memorizzati in Hadoop Distributed File System e Apache Hbase senza richiedere lo spostamento o la trasformazione dei dati.

Pubblico

Questo corso è rivolto ad analisti e data scientist che eseguono analisi sui dati memorizzati in Hadoop tramite Business Intelligence o SQL strumenti.

Dopo questo corso i delegati saranno in grado di:

• Estrai informazioni significative da Hadoop cluster con Impala.
• Scrivi programmi specifici per facilitare Business l'intelligenza in Impala SQL dialetto.
• Risoluzione dei problemi Impala.

In questo corso di formazione dal vivo con istruttore in Italia (in loco o in remoto), i partecipanti impareranno come implementare e gestire Apache NiFi in un ambiente di laboratorio dal vivo.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Installa e configura Apachi NiFi.
• Acquisisci, trasforma e gestisci i dati da fonti di dati distribuite e disparate, tra cui database e big data lake.
• Automatizza i flussi di dati.
• Abilita l'analisi in streaming.
• Applicare vari approcci per l'inserimento dei dati.
• Trasforma Big Data e trasforma in insight aziendali.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno i fondamenti della programmazione basata sul flusso mentre sviluppano una serie di estensioni, componenti e processori demo utilizzando Apache NiFi.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi l'architettura e i concetti del flusso di dati di NiFi.
• Sviluppa estensioni utilizzando NiFi e API di terze parti.
• Sviluppare su misura il proprio processore Apache Nifi.
• Acquisisci ed elabora dati in tempo reale da formati di file e origini dati diversi e non comuni.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori che desiderano utilizzare e integrare Spark, Hadoop e Python per elaborare, analizzare e trasformare set di dati grandi e complessi.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configurare l'ambiente necessario per iniziare a elaborare i big data con Spark, Hadoop e Python.
• Comprendere le funzionalità, i componenti principali e l'architettura di Spark e Hadoop.
• Scopri come integrare Spark, Hadoop e Python per l'elaborazione dei big data.
• Esplora gli strumenti nell'ecosistema Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka e Flume).
• Crea sistemi di raccomandazione di filtraggio collaborativi simili a Netflix, YouTube, Amazon, Spotify e Google.
• Usa Apache Mahout per ridimensionare gli algoritmi di machine learning.